用途:将文本转换为自然语音,适合生成音频、制作配音、构建语音应用等场景。支持 70 多种语言,并提供多种模型以权衡质量与延迟。
主要能力:提供 Python、JavaScript 与 cURL 三种调用方式。Python 使用 elevenlabs 包,JavaScript 仅使用 @elevenlabs/* 包。模型包括 eleven_v3(70+ 语言、最高质量)、eleven_multilingual_v2(29 语言、长内容)、eleven_flash_v2_5(32 语言、约 75ms 超低延迟)、eleven_flash_v2(仅英语、最快)、eleven_turbo_v2_5(32 语言、约 250-300ms)和 eleven_turbo_v2(仅英语)。可使用预置音色或自定义音色,示例音色 ID 如 JBFqnCBsd6RMkjVDRZzb(George)。
使用方式:通过 client.text_to_speech.convert 传入 text、voice_id、model_id 生成音频;可用 VoiceSettings 调整 stability、similarity_boost、style、speed(0.25 到 4.0)和 use_speaker_boost。支持 language_code 强制语言、apply_text_normalization 控制数字日期读法、previous_text/next_text 做请求拼接,以及 stream 方法实现流式输出。输出格式包括 mp3、pcm、ulaw、alaw、opus、wav 等。
限制:需配置 API 密钥;常见错误有 401 无效密钥、422 参数错误、429 超限。费用与价格资料暂未提供。